新闻资讯
汉文译名是文本转语通信电缆音
原创 电子灵魂华尔兹 电子灵魂华尔兹 2024-03-29 07:23 广东 听全文通信电缆
一直莫得写过对于声息克隆的著述，是以此次补上，毕竟这个用的还真实有点多，也为后头更多的个性化配音作念好准备。
TTS 的英文全名是 Text To Speech，汉文译名是“文本转语音”。它是一种将文本执行颐养为语音的本事，通过TTS本事，筹办机可以将翰墨信息颐养成东谈主类可听懂的语音输出，收尾语音合成的功能
当今商场上的AI声息
咱们最多用的也曾庸碌的TTS，即把翰墨通过软件输出指定东谈主的声息，这块微软作念的可以，之前我方写过一个免费的TTS小软件，API用的即是微软的，如有需要，请看我方拓荒 一个免费的文本转语音小气用
西安至尊国际贸易有限公司要是你合计功能少，可以使用国内的魔音工坊，可是要收费的哈
但这些齐不成指定声息颐养，是以这里使用声息克隆，来将指定东谈主声试验成模子，然后翰墨转音频。
接下来说重心声息克隆
开源形态地址：https://github.com/fishaudio/Bert-VITS2 https://github.com/RVC-Boss/GPT-SoVITS
GPT-SoVITS
GPT-SoVITS是由RVC变声器的首创东谈主（GitHub昵称为RVC-Boss）与AI音色颐养本事巨匠Rcell互助拓荒的一个开源形态。它是一个跨谈话音色克隆器用，专注于声息的颐养和克隆。
Bert-VITS2
Bert-VITS2是由社区拓荒者fishaudio发起的一个开源形态，它基于VITS（Variational Inference for Text-to-Speech）模子进行拓荒，旨在提供高质料的文本到语音（TTS）就业。
GPT-SoVITS在试验时辰上具有显然的上风，因为它撑握Few-shot学习，能够在短时辰内（如一分钟的语音数据）试验出具有雷同音色的模子。Bert-VITS2可能需要更长的试验时辰(1-4个小时)来达到高质料的语音合成后果，尤其是在数据集较大或模子较为复杂的情况下
通俗来说即是要是你需要更安定和圭臬的声息，费力一次永久使用就选择Bert-VITS；
要是你思快速收尾声息克隆，跨谈话就选择 GPT-SoVITS；
这里以GPT-SoVITS为例，写一篇闪耀教程，因为他通俗灵验还淘气时辰，至于Bert-VITS，我嗅觉即使写了，他几个小时的试验时辰加上精深的素材汇注，许多东谈主也没时辰去尝试，后果也不一定能好好多，这里力推GPT-SoVITS！让咱们运行吧！
运行前准备，注册 OpenBayes 平台账号
新用户注册 OpenBayes即可赢得3小时免费RTX4090使用时长，用下方注册流畅你我齐可以多加一个小时免费时长哈
https://openbayes.com/console/signup?r=huawang_zL1B
使用原先绑定的数据集（原神可莉），尝试试验一下
1 GPT-SoVITS一键克隆环境:
选择世界资源下的公众教程，选择 GPT-SoVITS 音频合成在线 Demo
2 GPT-SoVITS一键克隆环境
点击右上角克隆，之后选择审核并践诺，无间践诺
恭候几分钟， 恭候数据同步奏效
3 完成后 大开责任空间
广西茂利达贸易发展有限公司 sans-serif; font-size: 17px; letter-spacing: 0.7616px; text-align: justify; box-sizing: border-box !important; overflow-wrap: break-word !important;">
惠州市中航鞋业有限公司 0，固始县中信工艺品有限公司 0， 首页-大米宇礼品有限公司 0.9); font-family: system-ui， 福州新辉进出口有限公司 -apple-system， BlinkMacSystemFont， "Helvetica Neue"， "PingFang SC"， "Hiragino Sans GB"， "Microsoft YaHei UI"， "Microsoft YaHei"， Arial， sans-serif; font-size: 17px; letter-spacing: 0.7616px; text-align: justify; box-sizing: border-box !important; overflow-wrap: break-word !important;">4 大开 run.ipynb，一键运行扫数单位格
5 等几秒钟运行罢了，大开输出的 public URL
6 大开音频选择数据类型
7 点击运行选练
8 恭候几分钟试验时辰
可以后台看到试验15epoch后试验奏效，前端显现模子运行料到
通信电缆 Arial， sans-serif; font-size: 17px; letter-spacing: 0.7616px; text-align: justify; box-sizing: border-box !important; overflow-wrap: break-word !important;">9 大开原来的Jupyter 责任空间，选择API地址
API地址需要实名认证，要是没认证认证后再归来，就可以看到地址了
10 大开API地址，运行玩耍
深圳市广维实业发展有限公司选择试验好的GPT模子和SoVITS模子，输入你思要推理的翰墨，比如：“原谅你奏效试验奏效了”，点击运行推理
（这里上头选择错了，一般试验好的是临了一个，看你运行界说的模子名字就好哈）
这么你在正本绑定的数据集上就奏效试验的一个声息模子
后果如下
克隆元神可莉声息，电子灵魂华尔兹，2秒运行选择我方的数据集
先关闭我方之前启动的容器
1 准备30s-1min的音频素材
这里以李雪健诠释为例
任何克隆声息形态齐盲从;数据集的质料决定生成的质料，不要有任何噪音，越干净、越纯正越好
通过灌音软件（声息录制软件），登科关连音频，放到剪映惩办，把东谈主声息的能开的齐开了，惩办边界就不放了，免得清苦哈，这里我惩办大约1分36s的灌音
2 上传数据集
3 修改树立并启动
点击模子试验 ，投入刚才跑的形态
点击剪辑树立并启动
树立我方的数据并践诺
一直点点点，到启动奏效，大开责任空间，重迭以上的试验纪律即可
4 试验填写新绑定的数据集目次
5 重迭之前泉源的纪律，临了咱们看下后果
说汉文后果
克隆李雪健-汉文，电子灵魂华尔兹，8秒说英文后果
克隆李雪健English-version，电子灵魂华尔兹，12秒临了，这个教程看着多了点，其实可能我仅仅尽可能把每个纪律的图贴完满，尽量称心各式不懂编程的东谈主齐够凯旋克隆声息奏效
这个形态也曾蛮牛皮，重心在于省时省力，通俗灵验，当之为现时性价比速率之神，也期待你能有更多更好玩的用处
要是是英文，提出去llElevenlabs
。
本站仅提供存储就业，扫数执行均由用户发布，如发现存害或侵权执行，请点击举报。上一篇：没有了
下一篇：没有了